Contents
AIマスキングの概要
RealityScan 2.0 では、最新のセグメンテーションモデルを組み込んだ AIマスキング 機能が追加されました。この機能はインポートした画像群に対し、ピクセルレベルで前景と背景を自動判別し、マスクレイヤーを即座に生成します。手作業で行っていた「マスク作成」や「ファイル名変更」の工程が不要になることで、プロジェクト開始までのハンドオーバー時間が短縮されることが期待されています（RealityScan 公式ドキュメント, 2024）。
AIマスキングの処理フロー
AIマスキングは次の手順で実行されます。まず画像を RealityScan に取り込み、UI の「AIマスク」ボタンをクリックすると内部モデルが自動的に前景・背景判別を開始します。その結果を基にマスクレイヤーが生成され、リアルタイムでプレビューできる状態になります。必要に応じてスライダーで閾値調整やブラシツールで局所修正を行い、最終的なマスクを確定させます。
| ステップ | 内容 |
|---|---|
| 1 | 画像インポート → モデルがピクセル単位で判別開始 |
| 2 | 判別結果から自動生成されたマスクレイヤーを UI に表示 |
| 3 | 閾値やブラシで微調整し、確定ボタンで保存 |
作業時間と手間の比較
従来の手作業フローに比べて AI マスキングがどれだけ効率化できるかは、実務導入時の重要な判断材料です。本節では代表的なケーススタディをもとに、時間削減効果と注意点を整理します（RealityScan 社内調査, 2023）。
従来フロー
手動でマスクを作成する場合、画像ごとに前景領域を選択し、マスクファイルを保存・リネームしてから再インポートするという工程が必要です。画像枚数が増えるほど作業時間は指数的に伸長し、特に 5,000 枚以上の大規模プロジェクトでは 数十時間 に及ぶことも珍しくありません。
AIマスキング導入効果
実測データ（RealityScan ホワイトペーパー, 2024）によると、10,000 枚規模のドローン画像を対象にした場合、手動フローで 約3.6 時間 が必要だった作業が、AIマスキングを使用すると 7.5 分 に短縮されました。削減率は 80%以上 となり、以下のような副次的メリットも報告されています。
- 作業者の疲労低減
- 手順ミスやファイル名不一致による再作業の防止
- プロジェクト全体の納期短縮
ただし、処理時間は GPU の性能に依存するため、ハードウェア構成が低スペックの場合は期待値と乖離する可能性があります。
適用シーンと留意点
AIマスキングは多様な撮影条件で有効ですが、すべてのケースで完璧に機能するわけではありません。本節では得意分野と注意が必要なポイントをまとめます（ユーザーアンケート, 2023 年実施）。
得意シーン
| シーン | 特徴・期待できる効果 |
|---|---|
| 平坦でテクスチャが少ない表面 | 学習済みモデルが前景と背景を高精度に分離でき、ノイズ除去が容易 |
| LiDAR と画像のハイブリッドデータ | 3D 点群情報と組み合わせることで、不要な点や外部オブジェクトを自動的に排除 |
| 大規模空撮（ドローン・UAV） | 数千枚単位でも一括処理が可能で、後続の点群生成工程がスムーズになる |
注意すべきポイント
- 色・形状が類似した背景 が前景に混在すると誤認識が起こりやすい。
- 高度な反射面（ガラス・金属）では境界判定が不安定になることがある。
- 業務フローに組み込む際は、マスク修正作業用の時間バッファ を確保しておくとリスク低減につながります。
競合製品との比較
AI マスキング機能は他社ツールでも提供されていますが、実装方式や UI 統合度に違いがあります。本表は各ベンダーの公式情報と主要ユーザーレビュー（2024 年時点）を基に作成しました。
| ベンダー | 機能名 | アルゴリズムの概要 | 操作性 | 主な対応フォーマット |
|---|---|---|---|---|
| Agisoft Metashape | 自動マスク生成 | 画像ヒストグラムと領域分割による閾値処理 | ワンクリックで自動適用、細部調整は別ツールが必要 | JPEG/RAW, TIFF |
| Pix4Dmapper | AI‑Assisted Masking | PixelNet 系ディープラーニングモデル | UI にプレビューと微調整ツールが統合 | JPG, DNG, LAS |
| RealityCapture（旧版） | 手動マスク + スクリプト自動化 | ユーザー作成スクリプトで疑似自動化、学習モデル未搭載 | コマンドライン中心、設定コストが高い | JPG, PNG, LAS |
| RealityScan 2.0 | AIマスキング | CNN ベースのセグメンテーションモデル（事前学習済み） | UI に「AIマスク」ボタン1つで完結、リアルタイムプレビューあり | JPEG/RAW, LAS, Point Cloud |
中立的な評価ポイント
- アルゴリズム：RealityScan は汎用 CNN を採用し、他社は独自の手法やハイブリッド方式を使用。どちらが優れているかはデータセット依存である。
- 操作性：UI 統合度は RealityScan が最も高く、初心者向けの学習コストが低い。一方、Pix4D は高度な微調整機能を提供するため、上級ユーザーには有利。
- 拡張性：Agisoft はプラグインやスクリプトでカスタマイズ可能だが、AI マスク自体の精度はやや劣るという声がある。
パフォーマンス指標とベンチマーク結果
公式デモ（2024 年 11 月）および独立評価レポートに基づき、主要な性能指標を比較します。テスト環境は CPU i7‑12700K、GPU RTX 3080 を使用し、同一条件で 1,000 枚の画像を処理しました。
| 項目 | RealityScan 2.0 | Agisoft Metashape | Pix4Dmapper |
|---|---|---|---|
| 処理時間（1k枚） | 約 12 分 | 約 15 分 | 約 14 分 |
| 推奨 GPU | RTX 3080 以上 | GTX 1660 以上 | RTX 2070 以上 |
| マスク精度 (IoU) | ≥ 0.90（ユーザーレビュー平均） | 0.85–0.88 | 0.87–0.89 |
ベンチマークの留意点
- テストはベンチマーク用データセット（屋外風景・建築物）で実施しており、室内や特殊光条件では結果が変動する可能性があります。
- GPU のメモリ容量が不足するとバッチサイズが制限され、処理時間が伸びることがあります。
ライセンス体系・導入コスト
RealityScan 2.0 はエンタープライズ向けに 年額サブスクリプション を採用しており、利用規模に応じたカスタム見積もりが提供されます。他社製品との価格感覚を比較し、導入判断の材料としてください（2024 年公式料金表）。
| 製品 | ライセンス形態 | 主な料金プラン (概算) |
|---|---|---|
| RealityScan 2.0 | 年額サブスクリプション（エンタープライズ） | 年間 $12,000 〜（ユーザー数・プロジェクト規模に応じて変動） |
| Agisoft Metashape | 永続ライセンス＋年次メンテナンス | 永続 $3,499、メンテ 15%/年 |
| Pix4Dmapper | 月額 / 年額サブスクリプション | 月額 €350（個人）、年額 €3,200（チーム） |
| RealityCapture | プロジェクトベース／永続ライセンス | プロジェクト $149、永続 $1,495 |
ポイント：初期投資を抑えたい場合はサブスクリプションが有利ですが、長期的に見ると永続ライセンスの方が総コスト低減につながるケースもあります。自社の利用頻度と予算計画を照らし合わせて選択してください。
実務活用シナリオ
AIマスキングは以下の業界で具体的な効果が期待できます。それぞれのフロー例を示すことで、導入後のイメージを掴みやすくしています（実装事例: 株式会社TechSurvey, 2024）。
| 業界 | 活用ポイント | ワークフロー例 |
|---|---|---|
| ドローン測量 | 大規模空撮データの背景除去で点群品質向上 | 1) ドローンで撮影 → 2) RealityScan にインポート → 3) AIマスク自動適用 → 4) 点群生成・解析 |
| 建築・土木（進捗管理） | 現場変化を背景と分離し、体積算出の精度向上 | 1) 定期撮影 → 2) AIマスクで不要構造物除去 → 3) 前後比較レポート作成 |
| VFX・ゲームアセット | 背景なしメッシュを短時間で取得し、制作パイプラインへ投入 | 1) 撮影 → 2) AIマスクでクリーンなテクスチャ生成 → 3) メッシュ化 → 4) CG ツールへエクスポート |
導入時のベストプラクティス
- ハードウェア要件を事前に確認：GPU のメモリとドライバは最新に保つ。
- パイロットプロジェクトで精度検証：小規模データで AI マスクの誤認識率を測定し、調整パラメータを確立する。
- 修正フローを標準化：マスク修正作業用のチェックリストを用意し、品質管理プロセスに組み込む。
まとめ（ポイント整理）
- AIマスクは学習済み CNN による自動背景除去で、手作業に比べ 80%以上 の工数削減が実証されています（RealityScan ホワイトペーパー, 2024）。
- 得意なシーンは「平坦面」や「LiDAR ハイブリッドデータ」、一方で「色・形状が類似した背景」では誤認識リスクがあるため、閾値調整とブラシ修正 が推奨されます。
- 競合製品と比較すると、操作性とリアルタイムプレビューの統合度 が最も高く、導入ハードルは低めです。ただし、精度はデータ特性に依存する点で中立的な評価が必要です。
- パフォーマンスベンチマークでは 12 分/1k枚、IoU ≥ 0.90 と高い指標を示していますが、GPU スペックや撮影条件によって変動します。
- ライセンスは年額サブスクリプション制でエンタープライズ向け。導入コストは利用規模と比較対象製品の価格体系を踏まえて総合的に判断してください。
- ドローン測量、建築進捗管理、VFX など実務シナリオへの組み込み例を参考に、自社ワークフローで どの工程が自動化できるか を検討することが成功の鍵です。
以上の情報を基に、RealityScan 2.0 の AI マスキング導入効果とリスクをバランス良く評価し、最適な導入計画をご策定ください。